CASE METHOD STATISTIKA DASAR

Disusun Oleh:

Agung Anjora Pratama

Tahun masuk/NIM : 2022/22137033
Sesi : 079

Dosen Pengempu:

Riko Mayudi,S.T., M.T.

NIP,198805232018031001

PROGRAM STUDI S1 DEPERTEMEN TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2022
 Penerapan Statistik Pada Dunia Pertambangan
Analisis Regresi dan Korelasi Linier

A. Analisis Regresi Linear Sederhana

Analisis regresi linear sederhana adalah sebuah cara untuk menemukan satu model prediksi
fungsi linear dari kumpulan data. Regresi linear sederhana digunakan untuk menentukan
hubungan antara dua variable dalam sebuah data, yaitu variable terkait dan variable bebas,
variable terkait biasanya dilambangkan dengan X, dan variaber bebas/ lepas biasanya
dilambangkan dengan Y. Hasil dari regresi linear ada dua yaitu berhubungan dan tidak
berhubungan. yang dapat dilihat dari sebaran titik data, jika titik data mengikuti satu garis atau
terlihat mengalami kenaikan atau penurunan maka kedua variable dari data tersebut
berhubungan, jika sebaran titik data tersebut acak, maka kedua variable data tidak
berhubungan.jika variable berhubungan maka data dapat diolah untuk mendapat estimasi
parameter model, dan diakiri dengan uji statistik untuk menarik kesimpulan.

B. Rumus dan Bentuk Umum

Ada beberapa syarat kelayakan yang harus dipenuhi sebelum analisis regresi linear sederhana:

• Sampel memiliki jumlah yang sama

• Harus ada asatu variable bebas
• Nilai residual berdistribusi normal
• Kedua variable saling berhubungan
• Tidak ada gejala heteroskedastisitas
• Tida ada gejala autokorealasi untuuk data time series.

Data dinyatakan layak apabila telah memenuhi syarat syarat diatas dengan mengikuti uji yaitu uji
noralitaas, uji linearitas, uji heteroskedastisitas, uji autokorelasi.

Persamaan umum regresi linear sederhana adalah Y=β0+ β1X. Y adalah variable terikat dan X
variable bebas, β0 dan β1 adalah koefisien regresi.
Nilai yang dicari atau diprediksi adalah variable terikat Y, sedangkan penaikan atau penurunan
dipengaruhi oleh koefisien regresi.
C. Korelasi dan koefisien Determinasi

Korelasi mengukur kuat nya hubungan antara dua variable yang nilai nya ada pada rentang -1
sampai 1. Jika korelasi semakin dekat dengan 1 maka hubunganya positif dan jika semakin
mendekati -1 hubunganya negative. Hubungan positif berarti setiap kenaikan variable bebas
maka variable terkaitnya ikut mengalami keaikan, dan hubungan negative berarti setiap kenaikan
variable bebas variable terikat mengalami penurunan.
Rumus korelasi :

Koefisien determinasi adalah hasil kuadrat dari korelasi, yang menunjukan besarnya pengaruh
variable bebas terhadap variable terikat, missal jika R2 =0,600 maka pengaruh variable bebas
terhadap variable terikat adalah 60%.
 D. Contoh Kasus di Dunia Pertambangan

PT.anjora adalah perusahaan batu bara, perusahaan melakukan perhitungan produksi batu bara
pada tahun 2022, ada beberapa parameter yang dapat memengaruhi produksi batu bara pt.anjora
di tahun 2022 yaitu curah hujan di 2022, yang datanya disajikan pada table berikut:

Curah Hujan 2022 Produksi Batubara

Tanggal
(mm) Tahun 2022
01/12/2022 13,5 101.948
02/12/2022 5,0 81.352
03/12/2022 19,5 89.663
04/12/2022 31,5 61.148
05/12/2022 4,0 69.121
06/12/2022 18,5 54.547
07/12/2022 22,0 54.938
08/12/2022 4,0 85.470
09/12/2022 10,5 66.936
10/12/2022 0 104.208
11/12/2022 1,0 102.819
12/12/2022 0 113.128
13/12/2022 0 119.358
14/12/2022 9,0 97.384
15/12/2022 5,0 105.691
16/12/2022 20,5 96.674
17/12/2022 10,0 86.698
18/12/2022 6,5 109.774
19/12/2022 3,0 105.196
20/12/2022 24,0 64.408
21/12/2022 41,5 74.462
22/12/2022 0 87.357
23/12/2022 0 73.764
24/12/2022 0 81.209
25/12/2022 6,2 84.018
26/12/2022 0 114.469
27/12/2022 0 129.246
28/12/2022 28,5 36.994
29/12/2022 6,9 45.844
30/12/2022 0,1 103.730
31/12/2022 2,3 132.094
Dari table diatas variable terikatnya Y adalah produksi batubara d tahun 2022 sementara curah
hujan adalah variable bebas X.
Grafik Hubungan variabel X dan Y
140,000

120,000

100,000

80,000

Y-Values
60,000

40,000

20,000

-
0 5 10 15 20 25 30 35 40 45

1. Regresi dari kedua variabel

Y=β0+ β1X

∑Y = 101.948 + 81.352 + 89.663 + 61.148 + 69.121 + 54.547 + 54.938 + 85.470 + 66.936

+ 04.208 + 102.819 + 113.128 + 119.358 + 97.384 + 105.691 + 96.674 + 86.698 +
109.774 + 105.196 + 64.408 + 74.462 + 87.357 + 73.764 + 81.209 + 84.018 +
114.469 + 129.246 + 36.994 + 45.844 + 103.730 + 132.094 = 2.733.648

∑Y = 2.733.648

(∑Y)2 =7472831387904

∑Y2 = 101.9482 + 81.352 2 + 89.663 2 + 61.148 2 + 69.121 2 + 54.547 2 + 54.938 2 + 85.470 2 +

66.936 2 + 104.208 2 + 102.819 2 + 113.128 2 + 119.358 2 + 97.384 2 + 105.691 2 + 96.674 2 +
86.698 2 + 109.774 2 + 105.196 2 + 2 + 4.408 2 + 74.462 2 + 87.357 2 + 73.764 2 + 81.209 2 +
84.018 2 + 114.469 2 + 129.246 2 + 36.994 2 + 45.844 2 + 103.730 2 + 132.0942
∑Y2 = 10393423249 + 6618193461 +8039449982 +3739030209 +4777662874 +2975386118
+3018134400 +7305073037 +4480410693 +10859357284 +10571670675 +12797844832
+14246325003 +9483734997 +11170684717 +9345786870 +7516534534 +12050423286
+11066280469 +4148451008 +5544638589 +7631196529 +5441195559 +6594859452
+7058957110 +13103202327 +16704435459 +1368541238 +2101699842 +10759888005
+17448814268
∑Y2 = 258361286079

∑X= 13,5 + 5,0 + 19,5 + 31,5 +4,0 + 18,5 + 22,0 + 4,0 + 10,5 + 0 + 1,0 + 0 + 0 + 9,0
+ 5,0 + 20,5 + 10,0 + 6,5 + 3,0 + 24,0 + 41,5 +0 +0 +0 + 6,2 + 0 + 0 + 28,5 + 6,9 +
0,1 + 2,3 = 292,9

∑X= 292,9

(∑X)2 = 85790,41

∑XY= (13,5 x 101948,1) + (5 x 81352,28) + (19,5 x 89662,98) + (31,5 x 61147,61) + (4 x

69120,64) + (18,5 x 54547,1) + (22 x 54937,55) + (4 x 85469,72) + (10,5 x 66935,87) +
(0 x 104208,2) + (1 x 102818,6) + (0 x 113127,6) + (0 x 119358) + (9 x 97384,47) + (5
x 105691,5) + (20,5 x 96673,61) + (10 x 86697,95) + (6,5 x 109774,4) + (3 x 105196,4) +
(24 x 64408,47) + (41,5 x 74462,33) + (0 x 87356,72) + (0 x 73764,46) + (0 x 81208,74)
+ (6,17 x 84017,6) + (0 x 114469,2) + (0 x 129245,6) + (28,5025 x 36993,8) + (6,8725 x
45844,3) + (0,05 x 103729,9) + (2,34 x 132094) = 21220367,87

∑XY= 21220367,87

∑X2 =13,52+52+19,52+31,52+42+18,52+222+42+10,52+02+12+02+02+92+52+20,52+102+6,52+32+242

+41,52+02+02+02+6,172+02+02+28,50252+6,87252+0,052+2,342

∑X2 = 6428,170763
 𝟐.𝟕𝟑𝟑.𝟔𝟒𝟖∗ 𝟔𝟒𝟐𝟖,𝟏𝟕𝟎𝟕𝟔𝟑 − 𝟐𝟗𝟐,𝟗∗𝟐𝟏𝟐𝟐𝟎𝟑𝟔𝟕,𝟖𝟕
β0 =
𝟑𝟏∗𝟔𝟒𝟐𝟖,𝟏𝟕𝟎𝟕𝟔𝟑− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏

𝟏𝟕𝟓𝟕𝟐𝟑𝟓𝟔𝟏𝟓𝟎−𝟔𝟐𝟏𝟓𝟒𝟒𝟓𝟕𝟒𝟗
β0 =
𝟏𝟗𝟗𝟐𝟕𝟑,𝟐𝟗𝟑𝟕− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏

𝟏𝟏𝟑𝟓𝟔𝟗𝟏𝟎𝟒𝟎𝟏
β0 =
𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕

β0 = 100075,9765

𝟑𝟏∗ 𝟐𝟏𝟐𝟐𝟎𝟑𝟔𝟕,𝟖𝟕 − 𝟐𝟗𝟐,𝟗∗𝟐.𝟕𝟑𝟑.𝟔𝟒𝟖

β1 =
𝟑𝟏∗𝟔𝟒𝟐𝟖,𝟏𝟕𝟎𝟕𝟔𝟑− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏

𝟔𝟓𝟕𝟖𝟑𝟏𝟒𝟎𝟒 − 𝟖𝟎𝟎𝟔𝟖𝟓𝟒𝟗𝟗,𝟐
β1 =
𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕

−𝟏𝟒𝟐𝟖𝟓𝟒𝟎𝟗𝟓,𝟐
β1 =
𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕

β1 = -1258,8162252451
Y = β0 + β1X

Y = 100075,9765 - 1258,8162252451 X

Jadi persamaan regresi dari dua variable adalah Y = 100075,9765 - 1258,8162252451 X

2. Korelasi dan Koefisien Determinasi Dua Variabel

𝟑𝟏∗ 𝟐𝟏𝟐𝟐𝟎𝟑𝟔𝟕,𝟖𝟕 − 𝟐𝟗𝟐,𝟗∗𝟐.𝟕𝟑𝟑.𝟔𝟒𝟖

r=
√[𝟑𝟏∗𝟔𝟒𝟐𝟖,𝟏𝟕𝟎𝟕𝟔𝟑− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏][𝟑𝟏∗ 𝟐𝟓𝟖𝟑𝟔𝟏𝟐𝟖𝟔𝟎𝟕𝟗−𝟕𝟒𝟕𝟐𝟖𝟑𝟏𝟑𝟖𝟕𝟗𝟎𝟒

𝟔𝟓𝟒𝟐𝟏𝟒𝟎𝟑,𝟗𝟕 −𝟖𝟎𝟎𝟔𝟖𝟓𝟒𝟗𝟗,𝟐
r=
√[𝟏𝟗𝟗𝟐𝟕𝟑,𝟐𝟗𝟑𝟕− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏][𝟖𝟎𝟎𝟗𝟏𝟗𝟗𝟖𝟔𝟖𝟒𝟒𝟗−𝟕𝟒𝟕𝟐𝟖𝟑𝟏𝟑𝟖𝟕𝟗𝟎𝟒

𝟔𝟓𝟒𝟐𝟏𝟒𝟎𝟑,𝟗𝟕 −𝟖𝟎𝟎𝟔𝟖𝟓𝟒𝟗𝟗,𝟐
r=
√[𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕][𝟓𝟑𝟔𝟑𝟔𝟖𝟒𝟖𝟎𝟓𝟒𝟓]

−𝟕𝟑𝟓𝟐𝟔𝟒𝟎𝟗𝟓,𝟐
r=
√𝟔𝟎𝟖𝟔𝟖𝟔𝟒𝟏𝟖𝟗𝟖𝟎𝟑𝟒𝟎𝟎𝟎

−𝟕𝟑𝟓𝟐𝟔𝟒𝟎𝟗𝟓,𝟐
r=
𝟐𝟒𝟔𝟕𝟏𝟓𝟕𝟏𝟏

r = -0,998020784

Dari persamaan korelasi diatas didapat -0,998020784 yang artinya berarti kedua variable
memiliki hubungan negative satu sama lain.

R2 = 0,996045485

Jadi pengaruh variable bebas terhadap variable terikat adalah 99% , maka hubungan
antara dua variable kuat atau sngat baik.